一种基于视听率数据的广告响应人数预测模型

针对评价广告媒体组合效果时没有有效指标的问题,提出了一种基于视听率数据的广告响应人数预测模型.该模型由接触频次分布子模型和基于接触频次分布的响应人数预测子模型构成.对两个子模型的参数估计方法进行了介绍.采用遗传算法对基于接触频次分布的响应人数预测模型的参数进行了估计.通过某金融机构的实际数据对模型进行了验证.模型预测广告响应人数和实际广告响应人数的比较结果表明,在无决策者经验介入的情况下,提出的模型能够基于易于获取的视听率数据,比较准确地预测广告的响应人数,可以作为评价广告效果的量化指标在实际广告活动中使用.     

SR电弧炉熔化期供电优化模型

在分析附加电抗电弧炉熔化期电气特性的基础上,以电耗和通电时间最小为目标,建立了基于多目标混合整数非线性规划(MINLP)的供电优化模型,来指导熔化期供电策略的制定.模型充分考虑了附加电抗和供电电压以及电弧燃烧指数等对供电策略的影响,实现了附加电抗、供电电压以及工作电流三个参数的优化选取,避免了单纯确定工作电流方法制定供电策略的弊病.实际应用表明不但提高生产效率,而且提高了综合经济效益,对SR电弧炉的生产具有指导意义.     

基于均匀设计的T-S建模方法

T-S模糊系统被广泛应用在基于数据的建模方法中.模糊规则作为T-S模糊系统的核心,是影响系统精度和泛化性能的重要因素,然而模糊规则数量的确定非常困难.考虑基于减聚类的规则生成方法中,聚类半径直接影响规则生成数量,采用均匀设计设定聚类半径,合理选择规则数量,简化了复杂多变量系统的建模问题.实例证明所提出基于均匀设计思想的聚类半径设定法简单易行,具有较好的实际应用价值,适合于复杂多变量系统的建模应用.     

基于多支持向量机的软测量模型

在许多工业过程控制系统中，软测量技术由于解决了输出变量难以测量的问题而被广泛应用。软测量技术的核心问题是建立优良的软测量数学模型，支持向量机（SVM）以其优良的泛化特性而被应用到建立软测量模型中。基于多个模型的组合可以提高模型精度和鲁棒性的思想，提出多支持向量机（MSVM）组合模型的软测量建模方法．该建模方法通过减聚类方法将输入空间划分为一些小的局部空间．在每个局部空间中用最小二乘支持向量机（LS-SVM）建立子模型．为解决子模型相互之间的严重相关问题，提高模型的精度和鲁棒性，各个子模型的预测输出通过主元递归（PCR）方法连接．仿真研究表明，采用该建模方法能够达到较好的建模效果。     

遗传算法在电力系统经济负荷分配中的应用

针对考虑阀点效应的电力系统经济负荷分配问题的特点，将遗传算法与传统基于梯度的数学优化方法相结合，提出一种求解电力系统经济负荷分配问题的混合遗传算法。通过极大熵理论将经济负荷分配问题近似为可导问题，并将SQP法引入遗传算法提出SQP算子，以提高遗传算法的寻优速度与局部搜索能力．基于优化设计理论应用均匀设计确定初始种群．同时，利用单纯形交叉算子的多点交叉特性使种群逐步趋近全局最优点．实例研究结果验证了方法的有效性。     

具有前馈环节的电弧炉电极升降自适应控制器

针对炼钢电弧炉电极调节系统的参数时变及三相间相互影响等特点，设计出一种简单且有效的电极调节控制方案。该控制方案通过引入前馈控制环节来减小三相电极间的相互影响，并在线通过累计实际输入炉内的能量值来间接地估算电弧放大系数，从而校正控制器参数。     

非线性离散系统的直接自适应神经网络控制器

对于一类非仿射离散时间系统,提出了一种新的自适应神经网络控制器。首先推导与原系统等价的仿射形式模型,由仿射模型推导控制律。控制律中采用一个神经网络,与传统的基于反馈线性化的自适应神经网络设计方法中采用两个神经网络相比,计算量大大减少且避免了控制器奇异问题。神经网络权值根据系统输入输出信号进行更新,另外σ项的引入,取消了为保证参数收敛持续激励的条件。系统的稳定性通过Lyapunov方法进行了分析,仿真实例验证了控制器的有效性。     

交流电弧炉供电系统建模及耦合关系仿真研究

根据能量守恒定律,从电弧的物理机理出发,建立了一个用非线性微分方程描述电弧电导、电弧瞬时电流和弧长之间关系的电弧数学模型,并使用Simulink库中基本模块搭建了电弧仿真模型。以电弧仿真模型为基础,在Simulink仿真环境下,利用电力系统模块库,构建了交流电弧炉供电系统仿真模型。仿真结果表明,该模型计算出的电弧电压、电流与现场实测数据一致,验证了模型的正确性。通过供电系统仿真模型,仿真研究了电弧电流的三相耦合关系。     

电弧炉系统电弧模型的建立与参数辨识

分析了电弧辐射散热规律,并在此基础上考虑炉温变化对电弧特性的影响,建立了电弧炉系统电弧模型.针对炉温难以测量的情况,将电弧随炉温变化的特性等效于电弧的时变性,研究了整个冶炼过程中模型参数的时变情况.在使用现场生产数据对模型参数进行辨识的过程中,针对模型中参数存在相关性的情况,使用基于样条变换的偏最小二乘方法对模型参数进行辨识.辨识结果表明,参数随时间的变化符合以前文献的研究结果以及现场情况,所建立的模型可以全面反映整个冶炼过程中的电弧特性.     

基于偏鲁棒M-回归的间歇过程离群点检测

以多元统计分析技术为核心的间歇过程建模、在线监测逐渐成为过程工业的关注焦点,然而过程数据中存在的大量离群点将直接影响上述方法的可靠性,为此提出了一种基于偏鲁棒M-回归的间歇过程离群点检测方法.首先基于极大相关熵估计建立鲁棒预测模型;然后利用偏鲁棒M-回归算法计算模型的回归系数;最后采用Hampel识别器分析最终的权值,从而实现离群点的检测.将所提方法应用于某间歇反应过程,实验结果验证了方法的有效性.